前提： 模型参数和结构是分别保存的
1、 构建模型(# load model graph)
model = MODEL()
2、加载模型参数(# load model state_dict)
model.load_state_dict
(
{
k.replace('module.',''):v for k,v in
torch.load(config.model_path, map_location=config.device).items()
}
)
model = self.model.to(config.device)
* config.device 指定使用哪块GPU或者CPU
*k.replace('module.',''):v 防止torch.DataParallel训练的模型出现加载错误
（解决RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cuda:1问题）
3、设置当前阶段为inference（# predict）
model.eval()
以上这篇pytorch 使用加载训练好的模型做inference就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。